IDENTIFIKASI PENYAKIT HALITOSIS DENGAN SENSOR
GAS MENGGUNAKAN JARINGAN SYARAF TIRUAN
METODE PEMBELAJARAN BACKPROPAGATION
LAPORAN TUGAS AKHIR
DEKI ANDREAS PUTRA
0910453063
JURUSAN SISTEM KOMPUTER
FAKULTAS TEKNOLOGI INFORMASI
UNIVERSITAS ANDALAS
PADANG
ii
IDENTIFIKASI PENYAKIT HALITOSIS DENGAN SENSOR
GAS MENGGUNAKAN JARINGAN SYARAF TIRUAN
METODE PEMBELAJARAN BACKPROPAGATION
LAPORAN TUGAS AKHIR
Sebagai Salah Satu Syarat Untuk Menyelesaikan Program Sarjana Pada Jurusan Sistem Komputer Universitas Andalas
DEKI ANDREAS PUTRA
0910453063
JURUSAN SISTEM KOMPUTER
FAKULTAS TEKNOLOGI INFORMASI
UNIVERSITAS ANDALAS
PADANG
DAFTAR ISI
2.3 Rangkaian Pengkondisi Sinyal ... 9
2.4 ADC (Analog Digital Converter) ... 10
2.5.1 Deskripsi Arduino Uno ... 12
2.5.8 Mikrokontroller ATMega328 ... 16
2.6 Jaringan Syaraf Tiruan... 20
BAB III. METODOLOGI PENELITIAN ... 28
3.4.2.2Rangkaian ADC dan Antarmuka Data Serial ... 37
3.4.3 Mekanik Sistem ... 38
3.5 Perancangan Software ... 39
3.5.1 Algoritma Pengkondisi Sinyal ... 39
3.5.2 Diagram Alir Backpropagation ... 40
3.5.3 Desain Antarmuka Pengguna ... 43
3.6 Cara Pengoperasian Alat ... 44
BAB IV. HASIL DAN ANALISA ... 46
4.1 Pengujian dan Analisa Rangkaian Sistem ... 46
4.1.1 Pengujian Sensor Gas TGS 2602 ... 46
4.1.2 Pengujian dan Analisa Rangkaian ADC ... 47
4.2.1 Respon Sensor terhadap Halitosis ... 49
4.2.2 Respon Sensor terhadap Sampel Acak ... 51
4.3 Pengujian Sistem ... 53
4.3.1 Uji Training Backpropagation ... 54
4.3.2 Uji Identifikasi Halitosis ... 57
4.3.3 Uji Identifikasi Sampel Acak ... 60
4.4 Analisa Hasil ... 79
4.4.1 Analisa Training Backpropagation ... 79
4.4.2 Analisa Identifikasi Sistem terhadap Sampel Acak ... 80
BAB V. PENUTUP ... 81
5.1 Kesimpulan ... 81
5.2 Saran ... 81
DAFTAR GAMBAR
Gambar 2.1. Pengukuran Organoleptik ... 6
Gambar 2.2. Halimeter ... 6
Gambar 2.3. Sensor Gas TGS 2602 ... 7
Gambar 2.4. Tampilan Sensor dilihat dari bawah ... 8
Gambar 2.5. Rasio Hambatan Sensor TGS 2602 dengan Konsentrasi Gas ... 8
Gambar 2.6. Ketergantungan Suhu dan Kelembaban pada Sensor TGS 2602 9 Gambar 2.7. Rangkaian Pembagi Tegangan ... 9
Gambar 2.8. Board Arduino Uno ... 11
Gambar 2.9. Tampilan Framework Arduino Uno ... 16
Gambar 2.10. Konfigurasi Pin ATMega328 ... 18
Gambar 2.11. Arsitektur Backpropagation ... 21
Gambar 2.12. Grafik Fungsi Aktivasi Sigmoid Biner ... 22
Gambar 2.13. Fungsi Aktivasi Sigmoid ... 23
Gambar 3.1. Rancangan Penelitian ... 29
Gambar 3.2. Rancangan Struktur Backpropagation ... 31
Gambar 3.3. Rancangan Proses Training Bobot ... 32
Gambar 3.4. Proses Identifikasi Backpropagation ... 33
Gambar 3.5. Rancangan Blok Diagram Sistem ... 35
Gambar 3.6. Skema Rangkaian Sensor TGS 2602 ... 36
Gambar 3.7. Skematik Rangkaian ADC dan Data Serial (Arduino Uno) ... 37
Gambar 3.8. Mekanik Sistem ... 38
Gambar 3.9. Diagram Alir Algoritma Pengkondisi Sinyal ... 39
Gambar 3.11. Flowchart Identifikasi Backpropagation ... 42
Gambar 3.12. Desain untuk Training Backpropagation dengan Matlab ... 43
Gambar 3.13. Desain untuk Identifikasi Backpropagation ... 44
Gambar 4.1. Diagram Skema Pengujian Sensor ... 46
Gambar 4.2. Blok Diagram Pengukuran ADC ... 48
Gambar 4.3. Grafik Respon Sensor Sampel Halitosis selama 64 Frekuensi . 49 Gambar 4.4. Grafik Respon Sensor terhadap Sampel Halitosis ... 50
Gambar 4.5. Grafik Respon Sensor terhadap Sampel Acak 1 ... 52
Gambar 4.6. Grafik Respon Sensor terhadap Sampel Acak 7 ... 53
Gambar 4.7. Tampilan Program Training dengan Bobot Acak pada Matlab 55 Gambar 4.8. Identifikasi Sampel Halitosis untuk Percobaan 1 ... 58
Gambar 4.9. Identifikasi Sampel Acak 1 untuk Percobaan 1 ... 60
Gambar 4.10. Identifikasi Sampel Acak 2 untuk Percobaan 1 ... 62
Gambar 4.11. Identifikasi Sampel Acak 3 untuk Percobaan 1 ... 64
Gambar 4.12. Identifikasi Sampel Acak 4 untuk Percobaan 1 ... 66
Gambar 4.13. Identifikasi Sampel Acak 5 untuk Percobaan 1 ... 68
Gambar 4.14. Identifikasi Sampel Acak 6 untuk Percobaan 1 ... 70
Gambar 4.15. Identifikasi Sampel Acak 7 untuk Percobaan 1 ... 72
Gambar 4.16. Identifikasi Sampel Acak 8 untuk Percobaan 1 ... 74
Gambar 4.17. Identifikasi Sampel Acak 9 untuk Percobaan 1 ... 76
DAFTAR TABEL
Tabel 2.1. Spesifikasi Sensor TGS 2602 ... 7
Tabel 2.2. Deskripsi Arduino Uno ... 12
Tabel 2.3. Konfigurasi Port B ... 18
Tabel 2.4. Konfigurasi Port C ... 19
Tabel 2.5. Konfigurasi Port D ... 19
Tabel 4.1. Data Tahanan Sensor ... 47
Tabel 4.2. Tabel Pengukuran ADC ... 48
Tabel 4.3. Respon Sensor terhadap Sampel Halitosis ... 50
Tabel 4.4. Respon Sensor terhadap Sampel Acak 1 ... 51
Tabel 4.5. Respon Sensor terhadap Sampel Acak 7 ... 52
Tabel 4.6. Sampel Data untuk Training ... 54
Tabel 4.7. Bobot Baru Hasil Training Backpropagation ... 56
Tabel 4.8. Identifikasi Sampel Halitosis dengan 5 kali Percobaan ... 59
Tabel 4.9. Identifikasi Sampel Acak 1 dengan 5 kali Percobaan ... 61
Tabel 4.10. Identifikasi Sampel Acak 2 dengan 5 kali Percobaan ... 62
Tabel 4.11. Identifikasi Sampel Acak 3 dengan 5 kali Percobaan ... 64
Tabel 4.12. Identifikasi Sampel Acak 4 dengan 5 kali Percobaan ... 66
Tabel 4.13. Identifikasi Sampel Acak 5 dengan 5 kali Percobaan ... 68
Tabel 4.14. Identifikasi Sampel Acak 6 dengan 5 kali Percobaan ... 70
Tabel 4.15. Identifikasi Sampel Acak 7 dengan 5 kali Percobaan ... 72
Tabel 4.16. Identifikasi Sampel Acak 8 dengan 5 kali Percobaan ... 74
Tabel 4.17. Identifikasi Sampel Acak 9 dengan 5 kali Percobaan ... 76
DAFTAR SINGKATAN
SINGKATAN NAMA Pemakaian Pertama Kali Pada Halaman
pH Potential of Hydrogen 1
VSCs Volatile Sulfur Compunds 1
FFT Fast Fourier Transform 2
DFD Data Flow Diagram 3
PPB Parts Per Billion 6
PPM Parts Per Million 7
GND Ground 8
ADC Analog Digital Converter 10
PWM Pulse Width Modulation 11
MHz Mega Hearzt 11
USB Universal Serial Bus 11
SDA Serial Data Line 11
SCL Serial Clock Line 11
AREF Analog Reference 11
AVR Automatic Voltage Regulator 11
KB Kilo Byte 12
SRAM Static Random Acess Memory 12
EEPROM Electrically Erasable Programmable Read
Only Memory 12
AC-DC Alternating Current-Direct Current 12
SS Slave Select 13
MOSI Master Out Slave In 13
MISO Master In Slave Out 13
SCK Serial Clock 13
LED Light Emitting Diode 13
I2C Integrated Integrated Circuit 13
TWI Two Wire Interface 13
UART Universal Asynchronous Receive Transmit 14
IDE Integrated Development Environment 16
RISC Reduce Instruction Set Computer 17
CISC Completed Instruction Set Computer 17
MIPS Million Instruction Per Second 17
PC Personal Computer 35
ABSTRAK
IDENTIFIKASI PENYAKIT HALITOSIS DENGAN SENSOR GAS
MENGGUNAKAN JARINGAN SYARAF TIRUAN METODE PEMBELAJARAN
BACKPROPAGATION
Oleh :
DEKI ANDREAS PUTRA 0910453063
Penelitian ini bertujuan untuk mendeteksi bau mulut seseorang apakah halitosis atau tidak. Halitosis merupakan suatu istilah yang digunakan untuk menerangkan adanya bau yang tidak
disukai sewaktu terhembus udara yang disebabkan sisa makanan yang tertinggal dalam rongga mulut. Sistem yang dirancang menggunakan sensor gas TGS 2602 yang berfungsi untuk mendeteksi kadar gas hidrogen sulfida yang terkandung pada nafas seseorang. Untuk pengambilan keputusan, sistem ini menggunakan jaringan syaraf tiruan dengan metode pembelajaran backpropagation. Hasil yang diperoleh dengan 5 kali pengujian adalah sampel halitosis dapat dideteksi dengan tingkat keberhasilan 80%, sedangkan untuk sampel acak
berhasil dideteksi 2 sampel yang mengalami halitosis dengan tingkat keberhasilan masing-masing 100% dan 80%, serta 8 sampel acak lain tidak mengalami halitosis dengan tingkat keberhasilan 100%. Dengan adanya sistem ini, diharapkan dapat dijadikan sebagai alternatif untuk menguji apakah seseorang menderita halitosis atau tidak.
Kata kunci : Sensor Gas, Hidrogen Sulfida, Halitosis, Jaringan Syaraf Tiruan, Backpropagation
HALITOSIS IDENTIFICATION USING GAS SENSOR WITH BACKPROPAGATION NEURAL NETWORK METHOD
By :
DEKI ANDREAS PUTRA 0910453063
The purpose of this research is to detect whether a person has halitosis or not. Halitosis is the name used for bad breath, which is caused by bacteria in the mouth. The system uses the sensor TGS 2602. It's function is to detect the levels of Hydrogen Sulfide in a person’s breath. The decision is made by using the neural network with a backpropagation method. The result for 5 (five) tests of Halitosis samples can be detected with a success rate of 80%, whereas using random samples, the test detected 2 samples with halitosis, one sample with a success rate of 100% and other sample with a success rate of 80% and for the other 8 (eight) samples that
didn’t contain halitosis, the success rate was 100%. This system could provide a solution for testing if a person is suffering from halitosis.
BAB I PENDAHULUAN
1.1 Latar Belakang
Kesehatan mulut tidak hanya sebatas memiliki gigi yang sehat saja melainkan bebas dari seluruh penyakit mulut termasuk kondisi di rongga mulut seperti halitosis yang dapat mempengaruhi kualitas hidup seseorang[1]. Halitosis merupakan suatu istilah yang digunakan untuk menerangkan adanya bau yang tidak disukai sewaktu terhembus udara yang disebabkan sisa makanan yang tertinggal dalam rongga mulut[2],[3]. Kondisi mulut yang dapat memicu terjadinya bau mulut yaitu meningkatnya jumlah protein makanan, potential of hydrogen (pH) rongga mulut yang lebih bersifat alkali, meningkatnya jumlah sel-sel mati di dalam mulut dan sel epitel nekrotik di dalam mulut[3].
Pengecekan halitosis dapat dilakukan dengan menghitung kadar Volatile Sulfur Compounds (VSCs) yang dihembuskan melalui mulut. Beberapa penelitian[4],[5] telah membuktikan bahwa H2S dan CH3SH pada VSCs hampir 90% menghasilkan bau, sedangkan
CH3SCH3 hanya sekitar 10%.
Untuk mendeteksi halitosis, dokter biasanya memeriksa pada bagian-bagian tubuh yang dilewati oleh udara, yakni paru-paru, hidung, dan mulut. Terdapat beberapa cara untuk mendeteksi apakah seseorang terkena penyakit bau mulut atau tidak, yaitu self diagnosis, pengukuran organoleptik, dan penggunaan halimeter. Self diagnosis dilakukan dengan cara mencium bau nafasnya sendiri. Metode ini dilakukan jika seseorang tidak ingin atau merasa malu jika nafasnya tercium oleh orang lain, namun metode ini tidak efektif karena hasilnya tergantung pada persepsi orang tersebut terhadap bau yang dicium dan ia pun juga tidak tahan untuk mencium bau nafas sendiri.
Pengukuran organoleptik dilakukan dengan cara mencium langsung bau yang terpancar dari mulut dan lidah yang disesuaikan dengan skala pengukuran dari nol sampai lima. Metode ini sederhana karena tidak memerlukan alat pengukur khusus dan dapat digunakan pada jumlah populasi yang banyak, namun metode ini berisiko terjadi penularan penyakit lewat udara pernafasan. Cara lain bisa juga menggunakan halimeter, yaitu alat untuk mendeteksi halitosis yang digunakan dalam praktek dokter gigi.
sulfida. Hasil deteksi sensor gas, dinyatakan pada jaringan syaraf tiruan sebagai bagian
pemroses untuk pengambilan keputusan.
Berdasarkan dari latar belakang masalah tersebut, maka dalam penelitian ini akan digunakan sensor gas yang dapat dilakukan untuk mendeteksi udara pernafasan. Hasil deteksi sensor tersebut diolah dan diinputkan ke jaringan syaraf tiruan untuk menghasilkan pola yang diinginkan. Untuk itu penulis mengangkat judul tugas akhir ini, yaitu “Identifikasi Penyakit Halitosis dengan Sensor Gas menggunakan Jaringan Syaraf Tiruan Metode Pembelajaran Backpropagation”. Dengan penelitian ini diharapkan seseorang bisa diketahui menderita halitosis atau tidak dengan mendeteksi udara pernafasan.
1.2 Rumusan Masalah
Adapun permasalahan yang dibahas dalam tugas akhir ini adalah :
Apakah metode Jaringan Syaraf Tiruan Backpropagation mampu melakukan identifikasi terhadap bau mulut berdasarkan pola data yang didapat dari metode Fast Fourier Transform (FFT)
1.3 Batasan Masalah
Batasan masalah pada tugas akhir ini adalah :
1. Sensor gas akan mendeteksi unsur yang dominan pada bau mulut tersebut yaitu unsur hidrogen sulfida (H2S) dan sudah dalam bentuk pola data.
2. Objek penelitian yang digunakan adalah bau mulut penderita halitosis dan bau mulut sampel acak dengan menggunakan alat penguji yang sama.
3. Metode jaringan syaraf tiruan yang dipakai adalah metode backpropagation yang terdiri dari input layer, hidden layer, dan output layer yang telah didapat pola datanya berdasarkan metode FFT.
4. Perangkat lunak yang digunakan yaitu Borland Delphi 7 dan Matlab.
1.4 Tujuan
Tujuan dari pembuatan tugas akhir ini yaitu membuat sebuah sistem mengidentifikasi penyakit halitosis, yang terdiri dari perangkat lunak dan perangkat keras memakai bau mulut menggunakan sensor gas yang telah didapatkan pola datanya dengan metode Fast Fourier Transform (FFT), yang kemudian akan ditraining dengan jaringan syaraf tiruan menggunakan
1.5 Sistematika Penulisan
Sistematika dalam penulisan tugas akhir ini akan dibagi menjadi beberapa bab sebagai berikut :
Bab I Pendahuluan berisi latar belakang, rumusan masalah, batasan masalah, tujuan, dan sistematika penulisan.
Bab II Landasan Teori berisi dasar ilmu yang mendukung pembahasan penelitian ini.
Bab III Metodologi Penelitian berisi desain sistem secara terstruktur, berupa Data Flow Diagram (DFD) yang menunjukkan langkah-langkah proses pengerjaan tugas akhir dan juga keterangan dari DFD tersebut. Selain itu akan dilakukan pembuatan aplikasi dan perangkat kerasnya yang dibangun sesuai dengan permasalahan dan batasannya yang telah dijabarkan pada bab pertama.
Bab IV Hasil dan Pembahasan akan dilakukan uji coba berdasarkan parameter-parameter yang ditetapkan, dan kemudian dilakukan analisa terhadap hasil uji coba tersebut.